Dokumentation Customer Journey Analytics Användarhandbok om Customer Journey Analytics

Customer Journey Analytics BI-tillägg

Last update: Tue May 14 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Ämnen:
SQL Connector

Skapat för:

Admin

NOTE

Du måste ha Välj paket eller högre för att använda de funktioner som beskrivs i detta avsnitt. Kontakta administratören om du är osäker på vilket Customer Journey Analytics-paket du har.

The Customer Journey Analytics BI extension aktiverar SQL-åtkomst till datavyer som du har definierat i Customer Journey Analytics. Dina datatekniker och analytiker kanske känner bättre till Power BI, Tableu eller andra verktyg för affärsintelligens och visualisering (kallas även BI-verktyg). De kan nu skapa rapporter och kontrollpaneler baserat på samma datavyer som Customer Journey Analytics-användare använder när de skapar sina Analysis Workspace-projekt.

Adobe Experience Platform Frågetjänst är SQL-gränssnittet till data som är tillgängliga i datasjön i Experience Platform. Med Customer Journey Analytics BI extension aktiverad, funktionaliteten hos Query Service utökas så att du kan se datavyer i Customer Journey Analytics som tabeller eller vyer i en Query Service session. Detta resulterar i att verktyg för affärsinformation som använder Query Service som PostgresSQL-gränssnittet har en smidig fördel av den utökade funktionaliteten.

De viktigaste fördelarna är:

Du behöver inte återskapa en motsvarande representation av datavyer från Customer Journey Analytics i BI-verktyget.
Se Datavyer för mer information om funktionaliteten hos datavyer för att förstå vad som måste återskapas.
Större konsekvens i rapportering och analys mellan BI-verktyg och Customer Journey Analytics.
Kombinera data från Customer Journey Analytics med andra datakällor som redan finns i BI-verktyg.

Förutsättningar

Om du vill använda den här funktionen måste du:

Konfigurera funktionaliteten för relevanta produktprofiler, användargrupper och/eller enskilda användare. Åtkomstkraven är:
- Adobe Experience Platform Query Service
- Arbetsyteprojekt i Customer Journey Analytics
- Önskade CJA-datavyer som kan användas
- Åtkomst till BI-tillägget i datavyverktygen
Använd förfallodatum för ej förfallande autentiseringsuppgifter för att ansluta BI-verktyg till Customer Journey Analytics BI extension. The Handbok för autentiseringsuppgifter innehåller mer information om hur du anger förfallodatum för inloggningsuppgifter eller ej utgångsdatum.

Se Åtkomstkontroll i administrationsdelen för Customer Journey Analytics för ytterligare information.

Användning

Använd Customer Journey Analytics BI extension kan du antingen använda SQL direkt eller använda dra och släpp-funktionen som finns i det specifika BI-verktyget.

SQL

Du kan använda funktionerna direkt i SQL-satser med antingen Frågeredigeraren eller en vanlig PostgresSQL-klient (CLI).

Frågeredigerare

I Adobe Experience Platform:

Välj **** Frågor **** från  DATAHANTERING  till vänster.
Välj  Skapa fråga .
Välj cja  Databas .
Om du vill köra frågan skriver du SQL-satsen och väljer eller tryck på [SHIFT] + [ENTER]).

PostgresSQL CLI

Söka efter och kopiera dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:
1. Välj **** Frågor **** från vänster räl (under  DATAHANTERING ).
2. Välj  Referenser  i det övre fältet.
3. Välj cja  Databas .
4. Om du vill kopiera kommandosträngen använder du i  PSQL, kommando  -avsnitt.
Öppna ett kommando eller ett terminalfönster.
Om du vill logga in och börja köra dina frågor klistrar du in kommandosträngen i terminalen.

Se Användargränssnittshandbok för frågeredigeraren för mer information.

BI-verktyg

För närvarande är Customer Journey Analytics BI extension stöds och testas endast för Power BI och Tableau. Andra BI-verktyg som använder PSQL-gränssnittet kan också fungera, men stöds ännu inte officiellt.

Power BI

Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:
1. Välj **** Frågor **** från vänster räl (under  DATAHANTERING ).
2. Välj  Referenser  i det övre fältet.
3. Välj cja  Databas .
4. Använd för att kopiera alla Postgres-autentiseringsparametrar (Host, Port, Database, Usernameoch andra) vid behov inom Power BI.
I Power BI:
1. I huvudfönstret väljer du  Hämta data  i det övre verktygsfältet.
2. Välj More… till vänster.
3. I Hämta data skärm, sök efter PostgresSQL och väljer  PostgresSQL-databas  från listan.
4. I  PostSQL-databas  dialog:
  1. Klistra in **** Värd **** parameter från Experience Platform Queries Credentials till  Server  textfält.
  2. Klistra in **** Databas **** parameter från Experience Platform Queries Credentials in  Databas  textfält.
    
    Lägg till ?FLATTEN till  Databas  parameter, så den ser ut som prod:cja?FLATTEN till exempel. Se Förenkla kapslade datastrukturer för användning med BI-verktyg från tredje part för mer information.
  3. När du uppmanas till detta Data Connectivity läge, välja DirectQuery.
  4. Du uppmanas att ange Username och Password. Använd likvärdiga parametrar från Experience Platform-frågor Credentials.
5. När inloggningen är klar visas datavytabellerna i Customer Journey Analytics i Power BIETS Överblick .
6. Markera de datavytabeller som du vill använda och markera  Läs in .
Alla dimensioner och mätvärden som är kopplade till en eller flera markerade tabeller visas i den högra rutan, redo att användas i dina visualiseringar.

Se Anslut Power BI till frågetjänst för mer information.

Tableau

Här hittar du information om dina PostgresSQL-autentiseringsuppgifter i Adobe Experience Platform:
1. Välj **** Frågor **** från vänster räl (under  DATAHANTERING ).
2. Välj  Referenser  i det övre fältet.
3. Välj cja  Databas .
4. Använd för att kopiera alla Postgres-autentiseringsparametrar (Host, Port, Database, Username, och andra) när det behövs i Tablet.
I tabell:
1. Välj **** Mer **** från  Till en server  till vänster.
2. Välj  PostgresSQL  från listan.
3. I PostgresSQL dialog:
  1. Klistra in **** Värd **** parameter från Experience Platform Queries Credentials till  Server  textfält.
  2. Klistra in **** Port **** parameter från Experience Platform Queries Credentials till  Port  textfält.
  3. Klistra in **** Databas **** parameter från Experience Platform Queries Credentials till  Databas  textfält.
    
    Lägg till %3FFLATTEN till  Databas  parameter, så den ser ut som prod:cja%3FFLATTEN till exempel. Se Förenkla kapslade datastrukturer för användning med BI-verktyg från tredje part för mer information.
  4. Välj **** Användarnamn och lösenord **** från  Autentisering  lista.
  5. Klistra in **** Användarnamn **** parameter från Experience Platform Queries Credentials till  Användarnamn  textfält.
  6. Klistra in **** Lösenord **** parameter från Experience Platform Queries Credentials till  Lösenord  textfält.
  7. Välj  Logga in .
4. datavyer i Customer Journey Analytics visas som tabeller i  Tabell  lista.
5. Dra de tabeller som du vill använda på arbetsytan.
Nu kan du arbeta med data från datavytabellerna för att skapa rapporter och visualiseringar.

Se Koppla tabell till frågetjänst för mer information.

Se Anslut klienter till frågetjänsten om du vill ha en översikt över och mer information om de olika verktygen.

Funktionalitet

Som standard har datavyerna ett tabellsäkert namn som genereras utifrån det egna namnet. Datavy med namnet My Web Data View har vynamnet my_web_data_view.

Om du vill använda ID:n för datavyn som tabellnamn kan du lägga till de valfria CJA_USE_IDS ange till ditt databasnamn vid anslutning. Till exempel: prod:cja?CJA_USE_IDS visar datavyer med namn som dv_ABC123.

Datastyrning

De datastyrningsrelaterade inställningarna i Customer Journey Analytics ärvs från Adobe Experience Platform. Integrationen mellan Customer Journey Analytics och Adobe Experience Platform datastyrning möjliggör märkning av känsliga uppgifter från Customer Journey Analytics och tillämpning av integritetspolicyer.

Sekretessetiketter och integritetspolicyer som har skapats för datauppsättningar som används av Experience Platform kan visas i arbetsflödet för datavyer i Customer Journey Analytics. Det innebär att data efterfrågas med Customer Journey Analytics BI extension visa lämpliga varningar eller fel när de inte följer de definierade sekretessetiketterna och principerna.

Visa datavyer

I standard-PostgreSQL CLI kan du visa dina vyer med \dv

prod:all=> \dv
                       List of relations
 Schema |                    Name                    | Type |  Owner
--------+--------------------------------------------+------+----------
 public | my_web_data_view                           | view | postgres
 public | my_mobile_data_view                        | view | postgres

Kapslade kontra separerade

Som standard använder schemat för datavyer kapslade strukturer, precis som de ursprungliga XDM-schemana. Integreringen har även stöd för FLATTEN alternativ. Du kan använda det här alternativet för att tvinga schemat för datavyer (och andra tabeller i sessionen) att förenklas. Förenkling gör det enklare att använda i BI-verktyg som inte stöder strukturerade scheman. Se Arbeta med kapslade datastrukturer i frågetjänsten för mer information.

SQL som stöds

Se SQL-referens för frågetjänst för fullständig referens om vilken typ av SQL som stöds.

Se tabellen nedan för exempel på den SQL du kan använda.

Exempel

table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 6-row-2 7-row-2 8-row-2 9-row-2 10-row-2 layout-auto
Mönster	Exempel
Schemaidentifiering	`VÄLJ * FRÅN DV1 DÄR 1=0`
Rankad/uppdelning	`SELECT dim1, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA EFTER NEDRE1` `SELECT dim1, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' OCH filterId = '12345' GRUPPERA EFTER NEDRE1` `SELECT dim1, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' OCH AND (dim2 = 'A' ELLER dim3 IN ('X', 'Y', 'Z')) GRUPPERA EFTER NEDRE1`
`HAVING` sats	`SELECT dim1, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA EFTER NEDRE1 MED m1 > 100`
Distinkt, övre dimensionsvärden	`VÄLJ DISTINCT dim1 FROM dv1` `VÄLJ dim1 AS dv1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA EFTER NEDRE1` VÄLJ dim1 AS dv1 FRÅN DV1 DÄR `timestamp` >= '2022-01-01' AND `timestamp' < '2022-01-02' GRUPPERA EFTER NEDRE1 ORDER BY SUM(metric1) LIMIT 15
Måttsummor	`VÄLJ SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02'`
Flera dimensioner uppdelning och förstklassiga	`SELECT dim1, dim2, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPP BY dim1, dim2` `SELECT dim1, dim2, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA MED 1, 2 BESTÄLL AV 1, 2` `VÄLJ DISTINCT dim1, dim2 FRÅN DV1`
Delmarkera: Filtrera ytterligare resultat	`SELECT dim1, m1 FRÅN ( SELECT dim1, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA EFTER NEDRE1 ) WHERE dim1 in ('A', 'B')`
Delmarkera: Fråga tvärs över datavyer	`SELECT key, SUM(m1) AS total FRÅN ( SELECT dim1 AS key, SUM(metric1) AS m1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA EFTER NEDRE1 UNION SELECT dim2 AS key, SUM(m1) AS m1 FRÅN DV2 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA EFTER NEDRE2 GROUP BY-tangenten BESTÄLL EFTER Summa`
Delmarkera: Källa i lager, filtrering, och aggregering	Lager med delmarkeringar: `SELECT rows.dim1, SUM(rows.m1) AS total FRÅN ( SELECT _.dim1,_.m1 FRÅN ( VÄLJ * FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' ) _ WHERE _.dim1 i ('A', 'B', 'C') ) rader GRUPPERA MED 1 BESTÄLL EFTER Summa` Lager med CTE WITH: `MED rader AS ( MED _ AS ( SELECT * FROM data_ares DÄR "tidsstämpel" MELLAN '2021-01-01' OCH '2021-02-01' ) VÄLJ _.item, _.units FROM _ DÄR _.item INTE ÄR NULL ) SELECT rows.item, SUM(rows.units) AS units FRÅN rader DÄR rader.objekt i ('A', 'B', 'C') GROUP BY rows.item`
Markerar var mätvärden kommer före eller är blandade med dimensionerna	`SELECT SUM(metric1) AS m1, dim1 FRÅN DV1 DÄR "tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02' GRUPPERA MED 2`

Mått

Du kan välja någon av de tillgängliga dimensionerna som standard eller definierad i datavyn. Du väljer en dimension med dess ID.

Mätvärden

De mätvärden som är tillgängliga är:

någon av de mätvärden som är tillgängliga som standard,
Definieras i datavyn.
Beräknade mått som är kompatibla med datavyn som användaren har åtkomst till.

Du väljer ett mått med dess ID som omsluts av en SUM(metric) -uttryck på samma sätt som du gör med andra SQL-källor.

Du kan använda

SELECT COUNT(*) eller COUNT(1) för att få förekomstmåtten.
SELECT COUNT(DISTINCT dimension) eller SELECT APPROX_COUNT_DISTINCT(dimension) för att räkna de ungefärliga distinkta värdena för en dimension. Mer information finns i Räkna distinkta värden.
Infogade beräkningar för att kombinera mätvärden i farten och/eller göra matematik på dem.

Räkna distinkta värden

På grund av det underliggande sättet som Customer Journey Analytics fungerar på är den enda dimension som du kan få ett exakt distinkt antal för adobe_personid dimension. Följande SQL-satser SELECT COUNT(DISTINCT adobe_personid) eller SELECT APPROX_COUNT_DISTINCT(adobe_personid) returnerar värdet för standardpersonmåttet, vilket är antalet distinkta personer. För andra dimensioner returneras ett ungefärligt distinkt antal.

Villkorliga mått

Du kan bädda in en IF eller CASE -satsen i SUM eller COUNT funktioner för att lägga till ytterligare filtrering som är specifik för ett markerat mätvärde. Att lägga till dessa satser påminner om att tillämpa ett filter på en måttkolumn i en arbetsyterapporttabell.

Exempel:

SUM(IF(dim1 = 'X' AND dim2 = 'A', metric1, 0)) AS m1

SUM(CASE WHEN dim1 = 'X' AND dim2 = 'A' THEN metric1 END) AS m1

Infogade beräkningar

Du kan använda ytterligare matematik för metriska uttryck i SELECT i stället för att matematiken ska definieras i ett beräknat mått. I följande tabell visas vilka typer av uttryck som stöds.

Operatör eller funktion

Information

+, -, *, /och %

Lägg till, subtrahera, multiplicera, dela och modulera/rest

-X eller +X

Ändra tecknet eller ett mått där X är måttuttrycket

PI()

π konstant

POSITIVE, NEGATIVE, ABS, FLOOR, CEIL, CEILING, EXP, LN, LOG10, LOG1P, SQRT, CBRT, DEGREES, RADIANS, SIN, COS, TAN, ACOS, ASIN, ATAN, COSH, SINHoch TANH

Unära matematiska funktioner

MOD, POW, POWER, ROUND, LOG

Binära matematiska funktioner

Specialkolumner

Tidsstämpel

The timestamp specialkolumn används för att ange datumintervall för frågan. Ett datumintervall kan definieras med en BETWEEN uttryck eller par med timestamp >, >=, <, <= kontroller ANDtillsammans.
The timestamp är valfritt och om inget fullständigt intervall anges används standardvärdena:

Om bara ett minimum anges (timestamp > X eller timestamp >= X) är intervallet från X till nu.
Om bara ett maxvärde anges (timestamp < X eller timestamp <= X) är intervallet från X minus 30 dagar till X.
Om inget anges är intervallet från och med nu minus 30 dagar.

Tidsstämpelintervallet konverteras till ett globalt datumintervallfilter i RankedRequest.
Tidsstämpelfältet kan också användas i datum/tid-funktioner för att analysera eller korta av händelsens tidsstämpel.

Datumintervall

The daterange specialspalt fungerar ungefär som timestampfiltreringen är dock begränsad till hela dagar. The daterange är också valfritt och har samma intervallstandard som timestamp.
The daterange -fältet kan också användas i datum/tid-funktioner för att analysera eller korta av händelsedatumet.

The daterangeName specialkolumner kan användas för att filtrera frågan med ett namngivet datumintervall som Last Quarter.

NOTE

PowerBI stöder inte daterange mätvärden som är mindre än en dag (timme, 30 minuter, 5 minuter osv.).

Filter-ID

The filterId specialkolumnen är valfri och används för att tillämpa ett externt definierat filter på frågan. Att använda ett externt definierat filter på en fråga liknar att dra ett filter på en panel i Arbetsytan. Flera filter-ID:n kan anges av AND-Jag tar dem.

Tillsammans med filterIdkan du använda filterName om du vill använda ett filtrets namn i stället för ID.

Where-sats

The WHERE -satsen hanteras i tre steg:

Sök efter datumintervallet på menyn timestamp, daterange, eller daterangeName specialfält.
Sök efter externt definierade filterIds eller filterNames som ska tas med i filtreringen.
Omvandla de återstående uttrycken till ad hoc-filter.

Hanteringen görs genom att den första nivån i ANDs i WHERE -sats. Varje översta nivå AND-ed-uttrycket måste matcha något av ovanstående. Allt som är djupare än den första nivån ANDs, eller, om WHERE -sats använder ORs på den översta nivån hanteras som ett ad hoc-filter.

Sorteringsordning

Som standard sorteras resultatet i frågan efter det första valda måttet i fallande ordning. Du kan skriva över standardsorteringsordningen genom att ange ORDER BY ... ASC eller ORDER BY ... DESC. Om du ORDER BYmåste du ange ORDER BY på det första valda måttet.

Du kan också vända ordningen med - (minus) framför måttet. Båda programsatserna nedan resulterar i samma ordning:

ORDER BY metric1 ASC

ORDER BY -metric1 DESC

Allmänt funktionsstöd

Funktion

Exempel

Information

Kast

CAST(`timestamp` AS STRING) eller
`timestamp`::string

Typdatatypsbyte stöds inte för närvarande, men inget fel genereras. The CAST funktionen ignoreras.

Tidsstämpel

WHERE `timestamp` >= TIMESTAMP('2022-01-01 00:00:00') AND `timestamp` < TIMESTAMP('2022-01-02 00:00:00')

Tolka en tidssträng som en tidsstämpel för användning i en WHERE -sats.

Till tidsstämpel

WHERE `timestamp` >= TO_TIMESTAMP('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_TIMESTAMP('01/02/2022', 'MM/dd/yyyy')

Tolka en tidssträng som en tidsstämpel för användning i en WHERE -sats, om du vill ange ett format för den tidssträngen.

Datum

WHERE `timestamp` >= DATE('2022-01-01') AND `timestamp` < DATE('2022-01-02')

Tolka en datumsträng som en tidsstämpel som ska användas i en WHERE -sats.

Till-datum

WHERE `timestamp` >= TO_DATE('01/01/2022', 'MM/dd/yyyy') AND `timestamp` < TO_DATE('01/02/2022', 'MM/dd/yyyy')

Tolka en datumsträng som en tidsstämpel som ska användas i en WHERE -sats, om du vill ange ett format för den datumsträngen.

Funktionsstöd för Dimension

De här funktionerna kan användas på dimensioner i SELECT, WHERE eller i villkorsstyrda värden.

Strängfunktioner

Funktion

Exempel

Information

Lägre

SELECT LOWER(name) AS lower_name

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Funktioner för datum och tid

Funktion

Exempel

Information

År

SELECT YEAR(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Månad

SELECT MONTH(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Dag

SELECT DAY(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Veckodag

SELECT DAYOFWEEK(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet eftersom du behöver talet, inte det egna namnet.

Dag på året

SELECT DAYOFYEAR(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Vecka

SELECT WEEK(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Kvartal

SELECT QUARTER(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Timme

SELECT HOUR(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet eftersom du behöver talet, inte det egna namnet.

Minut

SELECT MINUTE(`timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.

Extract

SELECT EXTRACT(MONTH FROM `timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet för vissa delar av den här funktionen eftersom du behöver talet och inte det egna namnet.
Följande delar stöds:
- Nyckelord: YEAR, MONTH, DAYOFMONTH, DAYOFWEEK, DAYOFYEAR, WEEK, QUARTER, HOUR, MINUTE.
- Strängar: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY', 'W', 'QUARTER', 'QOY', 'Q', 'HOUR', eller 'MINUTE'.

Datum (del)

SELECT DATE_PART('month', `timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet. Använd artikel-ID i stället för värdet för vissa delar av den här funktionen eftersom du behöver talet och inte det egna namnet.
Följande strängdelar stöds: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY', 'W', 'QUARTER', 'QOY', 'Q', 'HOUR', eller 'MINUTE'.

Datum (trunkerat)

SELECT DATE_TRUNC('quarter', `timestamp`)

Generera en dynamisk dimensionsidentitet för det skickade fältet.
Stränggranulariteter som stöds är: 'YEAR', 'Y', 'MONTH', 'M', 'DAYOFMONTH', 'DAY', 'D', 'DAYOFWEEK', 'DOW', 'DAYOFYEAR', 'DOY', 'WEEK', 'WOY', 'W', 'QUARTER', 'QOY', 'Q', 'HOUR', eller 'MINUTE'.

recommendation-more-help

080e5213-7aa2-40d6-9dba-18945e892f79